【技术实现步骤摘要】
一种车联网中基于轨迹的车辆资源池动态任务卸载方法
[0001]本专利技术属于车联网移动边缘计算领域,更具体地,涉及一种车联网中基于轨迹的车辆资源池动态任务卸载方法。
技术介绍
[0002]随着智能交通系统和新能源智能网联汽车的发展,车辆具有了更强的算力、更好的存储能力、更精准的传感以及优越的通信能力。一种名为车联网的新兴模式被提出。车联网具有强大的实时车辆信息采集能力,在避免交通事故、缓解交通拥堵、提供多样化服务等方面发挥了重要作用。
[0003]然而,仅使用车辆自身资源很难满足汽车应用的需求,因为计算资源和电池电量有限,车辆并不能保证高效处理计算任务。现有的云计算模式可以提供大量的计算资源,但其面临的主要问题是车辆与远端云服务器持续通信带来的难以优化的高时延问题。车辆雾计算模式较好的解决了这个问题,通过将边缘服务器(雾服务器)部署在靠近车辆终端的位置,车辆可以方便的通过无线通信向雾服务器请求计算资源与存储资源,而不会产生过高的延迟。然而,当请求接入车辆过多时,可能会发生通信信道拥挤导致传输速率下降或雾服务器资源枯竭的情况产生,因此,考虑借助空闲车辆的计算资源成为了一种新的解决办法。但当前借助车辆辅助任务卸载的模式存在一些问题,首先是由于车辆的持续移动性,可能存在车辆完成任务后结果返回前失去了与任务需求车辆的通信,导致任务卸载失败。其次由于车辆的机动性,它们所请求的服务应该经常在不同的移动边缘服务器上进行迁移,用来确保一个优秀的服务质量。因为在移动中具有不稳定性,经常进行迁移会使时延与能耗增加,所以需要设计一 ...
【技术保护点】
【技术特征摘要】
1.一种车联网中基于轨迹的车辆资源池动态任务卸载方法,其特征在于,包括:构建车、路边单元(RSU)、雾服务器协同卸载模型;基于车辆基础信息构建移动模型;基于马尔科夫链构建车辆轨迹预测模型,预测车辆轨迹;基于K
‑
means方法构建雾服务器范围内车辆簇,构建车辆簇稳定性评估模型;基于改进的深度优先算法结合确定任务传递路线,完成任务卸载;基于斯塔克伯格博弈方法进行车辆资源池内任务卸载匹配。2.根据权利要求1的构建车路、雾服务器协同卸载模型,其特征在于,包括:雾服务器部署在基站上,各个雾服务器覆盖区域互不重叠;RSU路边单元部署在路边,间隔一定距离部署实现道路全覆盖;车辆与车辆,与RSU、雾服务器均通过无线网络通信,RSU与雾服务器通过有线网络连接;场景内存在n辆车V={V1,V2,
…
,V
i
,
…
V
n
},m个RSU路边单元R={R1,
…
,R
i
,
…
R
m
}。3.根据权利要求1的基于车辆基础信息构建移动模型,其特征在于,通过截断高斯分布模型获得等价速度,以任务发起车辆为原点构建笛卡尔坐标系获得其他车辆的相对位置结合运动方向夹角θ,车辆通信范围D,计算得出两车预期通信时间。4.根据权利要求1的基于马尔科夫链构建车辆轨迹预测模型,预测车辆轨迹,其特征在于,根据车辆V
i
的历史轨迹数据L
i
={L1,L2,L3,...,L
i
,...},其中每个元素都有L
i
={Fid
i
,Tin
i
,Tout
i
},Fid
i
表示车辆V
i
经过的雾服务器的身份标识,Tin
i
为进入的时间,Tout
i
为离开的时间。使用变量表示车辆V
i
的下一个位置,让Φ={F
l
,F
r
,F
f
,F
b
}表示车辆V
i
下一可能位置的可计数集合,其中F
l
表示如果V
i
左转,其将经过的雾服务器ID,其他依次为右转、向前、向后。可得马尔科夫链定义,条件概率公式为:其中表示车辆V
i
在第n次选择经过的下一个雾服务器。5.根据权利要求1的采用K
‑
means方法构建雾服务器范围内车辆簇,构建车辆簇稳定性评估模型,其特征在于,我们随机选取k个车辆V
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。